Felo API PlatformFelo API Platform

Ricursiveai API: modelos, precios y especificaciones

Compara todos los modelos Ricursiveai disponibles a través de la API de Felo: precios, ventanas de contexto y capacidades en una sola tabla. Llama a cualquiera de ellos con la misma clave de API.

Modelos
1
chat ×1
Entrada / 1M
$0.2
Salida / 1M
$0.6
Mayor contexto
1.049M

Ripple-65B Preview es un modelo de lenguaje denso de 65 mil millones de parámetros, con pesos abiertos bajo licencia Apache 2.0, especializado en agentes de programación y revisión de código.

Ripple-65B Preview es el primer modelo de Ricursive Intelligence, un Transformer denso de 65 mil millones de parámetros publicado con pesos abiertos bajo licencia Apache 2.0. Fue preentrenado desde cero con aproximadamente 12 billones de tokens, en su mayoría texto en inglés y código, y su receta de postentrenamiento incluyó midtraining, entrenamiento de contexto largo, ajuste fino supervisado, ajuste fino supervisado con contexto largo y aprendizaje por refuerzo de dominios mixtos. El lanzamiento incluye tres checkpoints: un modelo ajustado por instrucciones en BF16, una versión NVFP4 y un modelo base en BF16.

El modelo está pensado para tareas de codificación agéntica: construir agentes que planifiquen cambios, llamen a herramientas y continúen a partir de los resultados, así como para revisión y refactorización de código, respuesta a preguntas técnicas, asistentes que consultan datos mediante funciones definidas por el usuario y resumen y verificación cruzada de documentos. Admite instrucciones de sistema opcionales, identificadores de usuario y de sesión, definiciones de funciones, controles de muestreo, cadenas de parada, una semilla numérica y la alternancia entre decodificación determinista y muestreo. Su modo de razonamiento devuelve el razonamiento interno en una sección separada antes de la respuesta final.

Entre sus limitaciones, la versión Preview ha recibido un postentrenamiento relativamente ligero centrado en codificación agéntica, solo admite una llamada a función por turno y queda por detrás de rivales Mixture-of-Experts más grandes en SciCode, DeepSWE y MCP Atlas. Su arquitectura densa facilita su ejecución en hardware de consumo como un MacBook o un NVIDIA DGX Spark; en BF16 alcanza 250 tokens por segundo en 2 GPU B200 con tamaño de lote 8 antes de la cuantización.

Especificaciones

Entrada / 1M
$0.2
Salida / 1M
$0.6
Contexto
1.049M
Salida máxima
131.072K
Protocolos
messages
Ver modelo →

Modelos similares de otros proveedores